基于VGG网络与高斯差分网络的光学遥感影像精确配准方法技术

本发明专利技术提供了一种基于VGG网络与高斯差分网络的光学遥感影像精确配准方法，首先构建输入图像的高斯差分网络，提取极大值点作为候选关键点，得到关键点的坐标及所在尺度；然后将图像重新调整大小，输入到预训练过的VGG网络中，得到不同尺寸的特征图；将相同尺寸的高斯差分图像和特征图拼接起来，构成DVGG网络；利用候选关键点的坐标提取出VGG网络的特征向量，与对应的SIFT特征向量拼接起来构成DVGG网络的输出向量，并作为关键点的特征描述；计算待配准图像和参考图像中关键点之间的相似度，得到匹配对，计算出变换矩阵，得到配准图像。本发明专利技术相较现有配准方法得到了更多的正确匹配点对，配准效果更好。配准效果更好。配准效果更好。

【技术实现步骤摘要】
基于VGG网络与高斯差分网络的光学遥感影像精确配准方法


[0001]本专利技术涉及数字图像处理
，具体涉及一种VGG与高斯差分网络结合的光学遥感影像配准方法。

技术介绍

[0002]图像配准技术是指将不同时间、不同视角和不同传感器获取的两幅图像进行匹配的过程，目前已经广泛应用到了遥感、医学等领域。其中遥感领域的图像配准是许多遥感图像处理过程中必不可少的一部分，例如目标检测、图像融合、语义分割等任务都需要在配准成功的前提下进行，因此光学遥感影像的配准技术一直都是研究热点。
[0003]传统的图像配准方法主要分为基于灰度的方法和基于特征的方法，其中基于特征的配准方法通过提取图像的显著特征来进行匹配，不易受到旋转、尺度缩放等因素的干扰，在自然图像的配准领域得到了广泛应用。但是遥感图像通常幅宽较大、相似地物更多，SIFT方法难以准确提取到遥感影像的深层特征，配准效果有待提高。
[0004]近年来，深度学习技术飞速发展，卷积神经网络(convolutional neural network,CNN)在很多计算机视觉任务中取得了不错的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VGG网络与高斯差分网络的光学遥感影像精确配准方法，其特征在于，包括如下步骤：S1、基于原始遥感图像构建高斯差分网络，得到高斯差分图像，提取高斯差分图像中的极大值点作为候选关键点，得到候选关键点的坐标和所在尺度，所述原始遥感图像包括待配准图像和参考图像；S2、将原始遥感图像重新调整大小，输入至预训练过的VGG网络中，得到与原始遥感图像不同尺寸的feature map；S3、将相同大小的高斯差分图像和feature map进行拼接，构成DVGG网络架构；S4、利用候选关键点的坐标提取出VGG网络中的特征向量，并与对应的SIFT特征向量拼接起来，作为DVGG网络的输出向量；S5、将DVGG网络的输出向量作为关键点的特征描述，根据特征描述计算待配准图像关键点与参考图像关键点之间的相似度，得到匹配点对；S6、利用匹配点对计算得出变换矩阵，与待配准图像相乘后得到配准图像。2.根据权利要求1所述的基于VGG网络与高斯...

【专利技术属性】
技术研发人员：徐其志，王少杰，梅勇，周朝阳，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：